引入STF算法的自适应SICKF及其在目标跟踪中的应用

针对容积卡尔曼滤波在系统状态突变时滤波精度下降的问题,结合均方根嵌入式容积卡尔曼滤波(SICKF)和强跟踪滤波(STF)算法,提出了一种自适应均方根嵌入式容积卡尔曼滤波(ASICKF)方法。采用嵌入式容积准则和均方根滤波方法,以提高算法的滤波精度和稳定性。引入强跟踪滤波,利用渐消因子在线修正预测误差协方差阵,强迫残差序列正交,以增强算法应对系统状态突变等不确定因素的能力。为了解决状态突变未知的目标跟踪问题,采用自适应均方根嵌入式容积卡尔曼滤波算法进行数值仿真,仿真结果表明,ASICKF在系统状态突变时能保证较高的滤波精度,具有较强的鲁棒性和系统自适应能力。     

一类非线性反馈系统的自适应输出调节

研究了一类不确定非线性系统的全局鲁棒性输出调节问题。通过调节器的拓展方程可解性的假设,来建立非线性的内模,估计非线性未知外部扰动系统,从而将输出调节问题转化为镇定问题;结合Lyapunov函数和自适应理论来设计控制器,解决一类非线性输出反馈系统的输出调节问题。最后,仿真结果验证了所设计的控制器的有效性。     

汽车防抱制动系统自适应滑模控制算法的研究和半实物仿真

针对车辆防抱制动系统(ABS)非线性控制模型,在分析零阶切换方式滑模变结构控制算法的基础上,提出了参数自适应的滑模变结构控制算法.该算法将滑模变结构控制、自适应控制与防抱制动系统结合,削弱了滑模控制的"抖动"问题对制动过程带来的影响.随后设计并构建了ABS闭环模拟系统,对算法进行了纯理论仿真和基于硬件平台的半实物仿真.仿真结果表明,自适应滑模控制算法较单纯滑模控制算法在减小制动力矩的颤幅和平缓轮速波动方面均有一定优势.     

基于排序的自适应遗传算法航空炸弹弹道拟合方法

提出了一种基于排序的自适应遗传算法的航空炸弹弹道的拟合方法.该方法在简单遗传算法的基础上,将每一代染色体的适应度排序,并添加了交叉率和变异率的自适应控制函数,既克服了简单遗传算法收敛速度慢,稳定性差的缺点,又改善了函数优化效果.算法应用于某型航空炸弹的弹道数据拟合,仿真结果表明,该算法的拟合精度高,拟合模型优化效果良好.     

双基阵纯方位TMA的一种自适应算法仿真

为了改善普通卡尔曼滤波算法在观测噪声统计特性未知情形下处理双基阵纯方位TMA问题时的滤波性能,提出了一种在线估计观测噪声统计特性的自适应卡尔曼滤波算法,计算机仿真结果表明,该算法能够在线估计观测噪声统计特性,使Kalman滤波器始终处于稳定状态,并精确地估计目标的运动参数,同时指出了自适应算法的初值选取对滤波收敛速度的重要影响,当滤波初值选取恰当时会明显加快滤波收敛过程.     

机动目标模型的研究进展

回顾了近年来机动目标模型的研究与发展;重点分析讨论了Singer模型、"当前"统计模型、自适应当前输入统计模型、Jerk模型及坐标转弯模型的优缺点,指出了各个模型的局限性,并得出有意义的结论;最后指出了机动目标模型研究的难点及未来的研究方向.     

基于逆强化学习的空战态势评估函数优化方法

为提高无人作战飞机(UCAV)自主决策效能,提出基于逆强化学习的空战态势评估函数优化方法。以现有的正例与反例两类空战数据为样本训练一个RBF网络,采用逆强化学习得到不同态势下的态势值,实现了对现有空战数据的知识提取;利用Sigmoid函数的压缩作用,降低了整体态势值,加快了UCAV学习的收敛速度;采用自适应粒子群算法求解优化了态势评估函数中的权重参数,提升了对复杂空战态势的适应能力;仿真结果表明该方法能够优化态势评估函数,提高机动决策的收敛速度,在UCAV自主决策中具有一定现实意义。     

基于指数试探的稀疏度自适应匹配追踪算法

针对贪婪算法需要以信号稀疏度作为先验信息的问题,基于指数试探思想提出了一种稀疏度自适应重构算法。利用指数函数特性分段试探信号稀疏度,使其快速逼近真实值,通过筛选回退锁定信号的有效支撑集,再采取弱匹配剪枝精确重构出原始信号。能够摆脱对稀疏度的依赖,以高概率自适应重构信号。实验表明,该算法的试探结果更加准确和稳定,重构成功率提高,特别是当稀疏比小于0.25时,算法最少只需3次试探,便可快速估计出信号稀疏度,且成功重构成功率不低于97%。     

一种改进的量子粒子群算法

量子粒子群算法是将量子计算与粒子群算法相结合的一种新的优化方法。首先利用相位角进行实数编码,将动态量子旋转门引入到粒子群算法中,采用自适应变异,提出了一种改进的量子粒子群算法。然后运用Pe-nalized函数和Ackley函数测试了该算法的性能。最后将该算法应用到武器目标分配模型中,获得了最优的分配方案。仿真研究表明,该算法具有收敛速度快、搜索能力强和稳定性高的特点。     

基于自适应EKF的高动态载波跟踪算法

针对载波跟踪算法在大频偏或动态剧烈变化时易失锁的问题,提出一种无数据辅助情况下基于自适应R/Q扩展卡尔曼滤波(AEKF)的高动态载波跟踪算法。该算法在AEKF代替鉴相器和滤波器的环路结构基础上,引入两倍相位转换来消除数据位跳变的影响,并利用载噪比估计方法和基于加加速度的信号动态监测方法来修正观测噪声协方差(R)和系统状态噪声方差(Q),进而兼顾环路的跟踪精度和动态稳定性。实验结果表明:利用该算法的GPS软件接收机能够在加速度200 g,瞬间加加速度10 000 g/s的动态指标下正常工作。